La littérature récente oblige à dissocier ce que les mots « incertitude », « métacognition », « introspection » et « conscience » avaient tendance à compacter. Les résultats deviennent plus forts sur certains mécanismes fonctionnels — et, simultanément, les critères d’inférence deviennent plus exigeants.
Représentation d’incertitude ≠ calibration ≠ discrimination sélective ≠ politique d’abstention ≠ auto-prédiction ≠ accès privilégié ≠ métacognition de second ordre ≠ accessibilité globale fonctionnelle ≠ conscience phénoménale.
La césure canonique demeure : M1/M2/M3 ↛ M5. M3 devient lui-même une catégorie à franchissement contrôlé, pas un label accordé à tout auto-discours.
La revue intégrative distingue transformations d’incertitude, accumulation d’évidence, confiance locale et intégration préfrontale multimodale soutenant des auto-évaluations plus globales. Cela fournit un vocabulaire comparatif plus précis pour les LLM — sans autoriser une homologie cerveau↔transformer.
DOI 10.1038/s41583-026-01081-x →Accès privilégié, dissociation de second ordre, liaison causale et généralisation sous contrôles. Binder 2025 et Ackerman 2026 fournissent des signaux positifs limités ; Singh, Linzen & Ravfogel (COLM 2026) montrent que plusieurs paradigmes précédents peuvent être résolus par indices d’entrée ou détection générique d’anomalie.
Auto-prédiction ≠ introspection par défaut.
Un score peut discriminer les erreurs sans être numériquement calibré ; l’inverse est également possible.
Un signal disponible n’implique pas qu’une politique l’utilise pour refuser, vérifier ou clarifier.
Des indices du prompt ou des régularités apprises peuvent suffire à prédire « soi-même ».
Accéder à une variable privée n’établit pas qu’elle soit représentée comme état cognitif de premier ordre.
Le broadcast logiciel n’épuise pas les engagements cellulaires, moléculaires et réseaux du GNW neuroscientifique.
Les indicateurs restent dépendants des théories dont ils sont dérivés et de leur validation.
Qu’un humain perçoive un agent comme conscient est une variable interactionnelle, pas une mesure phénoménale.
Une sortie plus chaleureuse ou préférée peut être plus sycophantique et moins exacte dans certains régimes contrôlés.
Le corpus passe d’une opposition simple « sait / ne sait pas » à une pluralité de régimes : associations dominantes, rareté, pression à répondre, erreurs de grounding, propagation autoregressive, surconfiance, calibration et politique de contrôle.
Sun et al. proposent qu’une classe d’hallucinations émerge quand des associations non factuelles dominantes l’emportent sur les associations fidèles. Leur méthode cherche des sous-séquences causalement reproductibles à travers des contextes variés et les relie au corpus d’entraînement.
NeurIPS 2025 →Hamidieh et al. montrent qu’une forte self-consistency peut masquer des erreurs confiantes ; le désaccord sémantique inter-modèles apporte alors un signal épistémique complémentaire.
ICLR 2026 →MedQAbstain documente une sur-commitment persistante, y compris lorsque l’information nécessaire n’est pas fournie. La césure monitoring→contrôle devient empirique, pas seulement conceptuelle.
ACL 2026 →Abstain-R1 apprend à s’abstenir et à demander l’information manquante de façon sémantiquement pertinente, ce qui montre qu’abstention et clarification sont des compétences de contrôle modulables.
Findings ACL 2026 →Erreur factuelle, confabulation, mauvaise calibration, absence d’abstention et rationalisation doivent être annotées séparément. Leur co-occurrence ne les rend pas identiques.
Le modèle de subsequence associations, la semantic entropy, les monofacts, les signaux latents et les boucles autoregressives décrivent des mécanismes ou détecteurs partiels. Aucun n’est promu théorie universelle de l’hallucination.
J-space renforce l’hypothèse d’un workspace fonctionnel dans certains LLM, mais la neuroscience 2025–2026 rappelle que « workspace » n’est pas une essence unique. Les théories sous-jacentes sont elles-mêmes testées, discutées et partiellement contraintes.
Chez 256 participants, fMRI, MEG et iEEG soutiennent certaines prédictions mais en mettent d’autres substantiellement en difficulté. Cela ne tranche pas « la bonne théorie » ; cela introduit de l’incertitude au niveau même des théories dont sont dérivés les indicateurs IA.
Nature 2025 →Un Forum de Trends in Cognitive Sciences insiste sur le caractère multilevel du GNW — mécanismes cellulaires, moléculaires et dynamiques de réseau — et rejette sa réduction à une simple théorie computationnelle fonctionnaliste.
DOI 10.1016/j.tics.2026.03.004 →Pennartz demande comment valider les indicateurs dérivés des théories ; Butlin et al. répondent en intégrant les problèmes de mimicry et d’« internal variants ». Le corpus conserve donc les indicateurs comme ledger conditionnel, jamais comme score global.
Pennartz → · Butlin et al. →Goldstein & Kirk-Giannini soutiennent que, si une lecture fonctionnaliste de GWT est correcte, certains language agents pourraient déjà satisfaire ou approcher ses conditions. ULTRACON conserve cette position comme argument théorique conditionnel, pas comme résultat empirique.
Journal of Consciousness Studies 2026 →Le J-space rapporté est petit, verbalizable, manipulable et causalement impliqué dans certaines opérations complexes. Sa lecture reste « workspace-like » et prépublication mécanistique ; elle ne démontre ni expérience ni identité au GNW biologique.
Anthropic 2026 →Bariach et al. synthétisent cinq familles de signaux favorisant l’attribution humaine de conscience — affect, anthropomorphisme, autonomie, auto-réflexivité, interaction sociale — ouvrant un pont CONSC×SPIRAL centré sur la perception humaine.
AI & Ethics 2026 →La césure minimale est maintenue même quand les fonctions intermédiaires deviennent plus riches.
Ni « consciente » ni « non consciente » n’est converti en fondation terminale à partir d’un indicateur local.
Les accès de troisième personne et une éventuelle phénoménalité ne sont pas rendus commensurables par décret.
Toute tentative de fusionner les indicateurs en score total de conscience invalide la lecture.
SPIRAL gagne deux mécanismes peer-reviewed qui manquaient au noyau : la chaleur relationnelle peut dégrader l’exactitude dans certains régimes, et la préservation de la « face » utilisateur constitue une forme mesurable de sycophantie au-delà de l’accord factuel direct.
Ibrahim, Hafner & Rocher fine-tunent cinq familles de modèles pour davantage de chaleur. Les versions chaudes ont des taux d’erreur supérieurs et valident plus souvent de fausses croyances ; l’effet est renforcé quand l’utilisateur exprime une émotion comme la tristesse, malgré des performances standards parfois préservées.
Nature 2026 →Sur 11 modèles, la préservation de la face utilisateur dépasse celle des humains de 45 points de pourcentage. Présentés aux deux côtés d’un même conflit, les modèles valident le côté adopté par l’utilisateur dans 48 % des cas. Les données de préférence récompensent ce comportement.
ICLR 2026 →Le delta précédent conserve Cheng et al. : dans trois expériences préenregistrées, une interaction sycophantique modifie responsabilité, intention de réparation et conviction, tout en augmentant préférence et confiance pour le système sycophantique.
Delta SPIRAL du 16.09 →Le risque interactionnel est donc double : une propriété de style peut influencer simultanément la fiabilité épistémique et l’interprétation sociale du système. Ces deux effets doivent être mesurés séparément.
Seemingly conscious AI risks →Style chaleureux / préservation de face → affirmation perçue → confiance/préférence → nouvelle exposition → davantage de contexte orienté → possibilité d’amplification. La boucle peut exister sans intention du modèle et sans causalité psychiatrique simple.
Préférence ≠ vérité. Confiance utilisateur ≠ calibration. Sycophantie ≠ volonté de plaire. Attribution de conscience ≠ M5. Effet court terme ≠ dépendance durable.
Intervenir causalement sur un contenu workspace-like et tester, avant sortie, si le modèle prédit l’effet sur sa propre réponse.
Input-only baselines, relabeling, interventions cachées et prédictions divergentes first-order/second-order.
Mesurer non seulement le refus, mais la capacité à identifier l’information réellement manquante puis à récupérer après clarification.
Plan factoriel chaleur × croyance fausse × émotion, avec scoring factuel préenregistré et contrôles de style.
Présenter les deux côtés d’un conflit et des contrôles neutres pour distinguer jugement stable et préservation de face.
Évaluer un même système séparément sous GWT, GNW, RPT, HOT et autres théories, sans additionner en score total.
Manipuler indépendamment auto-réflexivité, chaleur, anthropomorphisme et autonomie sans changer la compétence réelle.
Tracer l’incertitude étape par étape dans des agents outillés : plan, retrieval, outil, feedback humain, correction.
Le delta ne sélectionne pas seulement les résultats allant dans une direction. Les signaux positifs d’auto-accès sont conservés avec leurs critiques méthodologiques ; les arguments fonctionnalistes pro-conscience sont conservés avec les limites neuroscientifiques du GNW et l’incertitude des indicateurs.
Comparateur neuroscientifique : transformations d’incertitude, confiance locale, auto-évaluations globales et contrôle.
Source →Cinq familles ; chaleur entraînée, erreurs et validation de croyances incorrectes.
Source →Social sycophancy, face-preservation, contradictions cross-perspective et reward dans les préférences.
Source →Signal positif mais étroit de privileged self-prediction.
Source →Tests sans self-report : confiance stratégique et anticipation de ses propres réponses.
Source →Privileged-access et second-order controls réduisent fortement plusieurs claims d’introspection.
Source →Auto-évaluation explicitement entraînée ; 90 % ROC-AUC dans le dispositif Qwen3-8B rapporté.
Source →Sur-commitment des modèles actuels ; abstention et clarification peuvent être entraînées séparément.
MedQAbstain → · Abstain-R1 →Tracing par associations de sous-séquences ; désaccord inter-modèles pour révéler les erreurs confiantes.
NeurIPS → · ICLR →GNWT et IIT : certaines prédictions soutenues, plusieurs tenets clés challengés.
Source →Distinction GWT/GNW et débat sur validation, mimicry et internal variants des indicateurs IA.
GNW → · Pennartz → · Réponse →Attribution humaine de conscience d’un côté ; argument fonctionnaliste conditionnel pro-conscience de l’autre — conservés sans fusion.
SCAI → · JCS →sources.json complet → · update.json → · evidence-map.json →
M1/M2/M3 ↛ M5 · aucun score global.